สูง/ต่ำ 2.5 ประตู: การหาความน่าจะเป็นของประตูรวมจากเมทริกซ์สกอร์
ความน่าจะเป็นของสูง 2.5 ประตูคำนวณโดยการรวมทุกช่องในเมทริกซ์สกอร์แบบ Poisson ที่ประตูของสองทีมรวมกันได้สามลูกขึ้นไป ส่วนต่ำ 2.5 ก็คือหกสกอร์ที่เหลือเท่านั้น ได้แก่ 0-0, 1-0, 0-1, 1-1, 2-0 และ 0-2 ในลีกใหญ่ความน่าจะเป็นนี้มักอยู่ในช่วง 40-60% ซึ่งหมายความว่าไม่มีฝั่งไหนของเส้นที่ใกล้เคียงกับความแน่นอนเลย หน้านี้อธิบายห่วงโซ่การคำนวณทั้งหมด ตั้งแต่ xG ไปสู่อัตราประตู จนถึงบันไดเส้นประตู นี่คือการวิเคราะห์ข้อมูลฟุตบอล ไม่ใช่คำแนะนำการเดิมพัน
สูง/ต่ำ 2.5 วัดอะไรกันแน่?
สูง/ต่ำ 2.5 ประตูคือเกณฑ์ที่ไม่ได้สรุปผลของแมตช์ แต่สรุปการกระจายของจำนวนประตูรวม: ถ้ามีการยิง 0, 1 หรือ 2 ประตู ยอดรวมจะต่ำกว่า 2.5 ถ้ามี 3 ลูกขึ้นไปก็จะสูงกว่า คำถามที่ถูกต้องในเชิงวิเคราะห์จึงไม่ใช่ "สูงหรือต่ำ?" แต่คือ P(ประตูรวม ≥ 3) เท่ากับเท่าไร? — เป็นค่าความน่าจะเป็น ไม่ใช่ป้ายคำตอบ
ประตูรวมไม่ใช่การโยนเหรียญ โปรไฟล์เกมรุกและเกมรับของทั้งสองทีม จังหวะความเร็วของเกมที่คาดไว้ และสภาพแวดล้อมการทำประตูของลีก ล้วนขยับความน่าจะเป็นนี้จากแมตช์หนึ่งไปอีกแมตช์หนึ่ง การที่เส้นเป็นครึ่งลูกก็ไม่ใช่เรื่องบังเอิญ เพราะประตูรวมไม่มีทางเท่ากับ 2.5 พอดี ทุกแมตช์จึงตกลงไปในหนึ่งในสองกลุ่มอย่างชัดเจนโดยไม่มีผลกำกวม ความคมชัดนี้ทำให้ประตูรวมเป็นหนึ่งในปริมาณที่สร้างโมเดลและทำ backtest ได้สะอาดที่สุด
จาก xG สู่อัตราประตู: วัตถุดิบของการกระจาย
ห่วงโซ่การคำนวณเริ่มต้นที่ xG (ประตูคาดหวัง) ผลผลิตเกมรุกของทีม โปรไฟล์เกมรับของคู่แข่ง ความได้เปรียบเจ้าบ้าน และฟอร์มปัจจุบัน ถูกนำมารวมและบีบให้เหลือตัวเลขเดียวต่อทีม นั่นคืออัตราประตูคาดหวัง (λ) เฉพาะของแมตช์นั้น เช่น 1.6 สำหรับเจ้าบ้าน และ 1.1 สำหรับทีมเยือน
โมเดล Poisson แปลงอัตราเหล่านี้เป็นการกระจายเต็มรูปแบบ: ความน่าจะเป็นที่ทีมจะยิงได้ 0, 1, 2, 3... ประตูถูกคำนวณอย่างชัดเจน เมื่อรวมการกระจายของทั้งสองทีมเข้าด้วยกันก็จะได้เมทริกซ์สกอร์ — ความน่าจะเป็นของทุกสกอร์ โดยแถวคือประตูเจ้าบ้านและคอลัมน์คือประตูทีมเยือน ผลลัพธ์ทุกอย่างที่อิงประตู รวมถึงการวิเคราะห์ประตูรวม ล้วนคำนวณมาจากเมทริกซ์ร่วมอันเดียวกันนี้
P(รวม > 2.5) คำนวณจากเมทริกซ์สกอร์อย่างไร
การคำนวณเรียบง่ายอย่างน่าประหลาด: แต่ละช่องของเมทริกซ์คือความน่าจะเป็นของสกอร์หนึ่ง และความน่าจะเป็นของสูง 2.5 คือผลรวมของทุกช่องที่ประตูเจ้าบ้านบวกทีมเยือนได้ 3 ลูกขึ้นไป ส่วนต่ำ 2.5 ประกอบด้วยหกช่องพอดี: 0-0, 1-0, 0-1, 1-1, 2-0 และ 0-2 ค่าทั้งสองรวมกันได้ 100% เสมอ — ไม่ได้ถูกประเมินแยกกัน แต่เป็นสองด้านของการกระจายเดียวกัน
โครงสร้างนี้อธิบายว่าทำไมการปรับแก้ Dixon-Coles จึงสำคัญมากตรงเส้นนี้: ช่องสกอร์ต่ำที่โมเดล Poisson ล้วนแสดงความเอนเอียงอย่างเป็นระบบ (0-0, 1-0, 0-1, 1-1) คือช่องเดียวกันกับที่ประกอบเป็นต่ำ 2.5 พอดี โมเดลที่ประเมินสกอร์ต่ำผิดก็จะประเมินฝั่งต่ำผิดโดยตรง 11Stat จึงถ่วงน้ำหนักช่องเหล่านี้ใหม่ด้วย Dixon-Coles เพื่อสะท้อนความสัมพันธ์ระหว่างประตูของสองทีม
บันไดเส้นประตู: 1.5, 2.5, 3.5 กับการตรวจสอบความสอดคล้องในตัว
2.5 ไม่ใช่เส้นเดียว เมทริกซ์เดียวกันให้เส้นทุกเส้นตั้งแต่ 0.5 ถึง 4.5 และตามนิยามความน่าจะเป็นต้องลดหลั่นลงเสมอ: P(สูง 1.5) ≥ P(สูง 2.5) ≥ P(สูง 3.5) "บันไดเส้นประตู" นี้คือการทดสอบความสอดคล้องภายในที่ได้มาฟรี เพราะทุกเส้นมาจากเมทริกซ์เดียวกัน จึงไม่มีทางขัดแย้งกันเองบนแผงของ 11Stat
เหตุที่ 2.5 กลายเป็นเส้นอ้างอิงระดับโลกก็มาจากค่าเฉลี่ยของฟุตบอลเอง: ลีกชั้นนำของยุโรปทำประตูเฉลี่ยราว 2.6-2.9 ลูกต่อแมตช์มาหลายปี เส้น 2.5 จึงเป็นเกณฑ์ที่แบ่งการกระจายได้สมดุลที่สุด สูง 1.5 ผ่านในแมตช์ส่วนใหญ่ด้วยความน่าจะเป็นสูง ขณะที่สูง 3.5 ไม่ผ่านในแมตช์ส่วนใหญ่ คุณค่าเชิงวิเคราะห์อยู่ที่การอ่านว่าช่องว่างระหว่างเส้นต่างๆ สะท้อนโปรไฟล์เฉพาะของแมตช์นั้นอย่างไร
อะไรขยับตัวเลข: สภาพแวดล้อมลีก โปรไฟล์ทีม จังหวะเกม
ความคาดหวังประตูเท่ากันไม่ได้มีความหมายเหมือนกันในทุกลีก สภาพแวดล้อมการทำประตูของลีก (บางลีกประตูสูงต่อเนื่อง บางลีกสกอร์ต่ำ) สมดุลรุก/รับของแต่ละทีม โมเมนตัมของฟอร์ม และข่าวผู้เล่น ล้วนขยับอัตรา λ — และพาการกระจายประตูรวมทั้งหมดขยับตามไปด้วย ทีมรุกจังหวะเร็วสองทีมกับบล็อกรับลึกสองทีมให้การกระจายที่ต่างกันอย่างสิ้นเชิง
นอกจากนี้ 11Stat ยังใช้การปรับเทียบระดับลีก: ถ้าโมเดลแสดงความเอนเอียงอย่างเป็นระบบในเส้นประตูรวมของลีกใดลีกหนึ่ง ข้อมูลผลงานในอดีตจะแก้ไขให้ ปัจจัยเฉพาะแมตช์อย่างสภาพอากาศหรือแรงจูงใจไม่มีทางวัดได้ครบถ้วน — โมเดลที่ซื่อตรงจะสะท้อนความไม่แน่นอนนี้ด้วยความกว้างของช่วงค่า ไม่ใช่การปั้นความน่าจะเป็นให้พุ่งไปแตะเลขเก้าสิบ
11Stat นำเสนอการวิเคราะห์ประตูรวมอย่างไร — และขีดจำกัดที่บอกตรงๆ
บล็อกประตูรวมบนการ์ดวิเคราะห์ไม่ใช่ผลลัพธ์ของเอนจินเดียว: เอนจินหลัก Poisson/Dixon-Coles เอนจิน Elo-ฟอร์ม และเอนจิน bivariate ขั้นสูง ต่างสร้างการกระจายของตัวเอง การจำลอง Monte Carlo ทดสอบช่วงค่าผ่านสถานการณ์แมตช์นับพัน และผลลัพธ์ถูกปรับเทียบกับผลงานในอดีต ระดับความเห็นพ้องระหว่างเอนจินยังถูกนำไปคิดในคะแนนความเชื่อมั่นด้วย
ขีดจำกัดถูกระบุอย่างตรงไปตรงมา: ความน่าจะเป็นสูง 2.5 ที่ 60% หมายความว่าฝั่งต่ำถูกคาดหวังในราวสี่จากสิบแมตช์ที่เทียบเคียงกันได้ มาตรวัดที่ซื่อตรงไม่ใช่แมตช์เดียว แต่คือการปรับเทียบระยะยาว — ความน่าจะเป็นที่ประกาศต้องสอดคล้องกับความถี่ที่เกิดขึ้นจริง โมเดลวิเคราะห์ — ไม่รับประกันผลลัพธ์ และไม่ใช่บริการรับเดิมพัน
คำถามที่พบบ่อย
ความน่าจะเป็นของสูง 2.5 ประตูคำนวณอย่างไร?
ประเมินอัตราประตูคาดหวังจาก xG ให้แต่ละทีม จากนั้นโมเดล Poisson/Dixon-Coles สร้างเมทริกซ์สกอร์จากอัตราเหล่านั้น แล้วรวมความน่าจะเป็นของทุกช่องที่ประตูรวมได้ 3 ลูกขึ้นไป ส่วนต่ำ 2.5 คือผลรวมของหกช่องที่เหลือ (0-0, 1-0, 0-1, 1-1, 2-0, 0-2) และค่าทั้งสองรวมกันได้ 100% เสมอ
"สูง 2.5: 58%" หมายความว่าอะไรกันแน่?
หมายความว่าในแมตช์ราว 58 จาก 100 นัดภายใต้เงื่อนไขที่เทียบเคียงกันได้ คาดว่าจะมีประตูสามลูกขึ้นไป — และอีก 42 นัดยอดรวมจะอยู่ที่สองลูกหรือน้อยกว่า นี่คือคำกล่าวเชิงความถี่ระยะยาว ไม่ใช่คำสัญญาสำหรับแมตช์ใดแมตช์หนึ่ง
ทำไมเส้นถึงเป็น 2.5 ไม่ใช่ 2 หรือ 3?
เพราะเส้นครึ่งลูกไม่มีทางถูกทำให้เท่าพอดี ทุกแมตช์จึงตกลงฝั่งใดฝั่งหนึ่งอย่างชัดเจนโดยไม่มีผลกำกวม และเนื่องจากลีกชั้นนำทำประตูเฉลี่ยราว 2.6-2.9 ลูกต่อแมตช์ 2.5 จึงเป็นเกณฑ์ที่แบ่งการกระจายได้สมดุลที่สุด
ทำไม Dixon-Coles จึงสำคัญมากสำหรับต่ำ 2.5?
เพราะช่องสกอร์ต่ำที่มันถ่วงน้ำหนักใหม่ (0-0, 1-0, 0-1, 1-1) อยู่ในกลุ่มหกสกอร์ที่ประกอบเป็นต่ำ 2.5 พอดี โมเดล Poisson ล้วนมีความเอนเอียงอย่างเป็นระบบในช่องเหล่านี้ ถ้าไม่แก้ไข ความน่าจะเป็นฝั่งต่ำจะถูกประเมินผิดโดยตรง
ถ้าความน่าจะเป็นของโมเดลต่างจากราคาตลาด หมายความว่าอะไร?
หมายความเพียงว่าตัวประมาณสองตัวเห็นไม่ตรงกันเรื่องปริมาณเดียวกัน ราคาตลาดสามารถแปลงเป็นความน่าจะเป็นโดยนัยได้เมื่อหักส่วนต่างออก และ 11Stat นำเสนอการเปรียบเทียบนี้เป็นชั้นการวิเคราะห์ ช่องว่างคือสัญญาณให้ตรวจสอบ ไม่ใช่คำสั่งให้ลงมือ — ผู้ตัดสินคือการปรับเทียบระยะยาว
ความน่าจะเป็นฝั่งสูงที่สูงมากถือเป็นการรับประกันไหม?
ไม่ แม้ความน่าจะเป็น 70% ก็หมายความว่าผลตรงข้ามถูกคาดหวังในสามจากสิบแมตช์ที่เทียบเคียงกันได้ ไม่มีโมเดลที่ซื่อตรงใดรับประกันผลรายแมตช์ได้ มาตรวัดคือความน่าจะเป็นที่ประกาศต้องสอดคล้องกับความถี่ที่สังเกตได้ในระยะยาว นี่คือการวิเคราะห์ข้อมูล ไม่ใช่คำแนะนำการเดิมพัน